yandex
Страна
Россия
Зарплата
500 000 ₽ – 530 000 ₽
+500% приглашений

Откликайтесь
на вакансии с ИИ

Ускорим процесс поиска работы
LeadУдалённоПолная занятость

SRE Lead

ИИОценка ИИ

Отличное предложение в топовом банке с современным стеком (LLMOps, RAG) и прозрачной вилкой. Полный соцпакет и работа в аккредитованной ИТ-компании делают вакансию крайне привлекательной.


Вакансия из Quick Offer Global, списка международных компаний
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Роль требует редкого сочетания глубокой экспертизы в классическом SRE/DevOps и специфических знаний в области MLOps (MLflow, CUDA, KServe). Высокая ответственность за инфраструктуру ИИ-сервисов банка повышает порог входа.

Анализ зарплаты

Медиана450 000 ₽
Рынок380 000 ₽ – 550 000 ₽
ИИОценка ИИ

Предложенная зарплата (500-530к gross) находится на верхней границе рыночного диапазона для Senior/Lead SRE специалистов в России. Это конкурентное предложение, соответствующее высоким требованиям к MLOps экспертизе.

Сопроводительное письмо

Меня заинтересовала вакансия SRE Lead в вашей команде MLOps-инфраструктуры. Мой опыт администрирования Kubernetes и работы с CI/CD пайплайнами (Jenkins, GitLab) в сочетании с глубоким пониманием специфики ML-проектов (Airflow, MLflow) позволяет мне эффективно решать задачи по масштабированию и обеспечению надежности сложных систем.

Я обладаю необходимыми навыками для управления инфраструктурой Feature Store и платформ AutoML. Мой подход к работе основан на проактивности и стремлении видеть общую картину продукта, что совпадает с ценностями вашей команды. Буду рад обсудить, как мой опыт поможет в развитии экосистемы AlfaPredict и RAG/LLMOps решений.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Альфа-Банк уже сейчас

Присоединяйтесь к команде Альфа-Банка и возглавьте развитие передовой MLOps-инфраструктуры!

Описание вакансии

SRE Lead

Full-time/ЗП: 500 - 530 т.р. gross

Ищу опытного SRE Lead в команду развития централизованной MLOps-инфраструктуры и смежных проектов

Мы развиваем единую MLOps экосистему банка.

Среда разработки моделей / пайплайны train и inference, среда исполнения моделей и пайплайны доставки, среда немодельных сервисов Feature Store

AutoML и AlfaPredict (платформа для аналитиков)

A/B тестирование

RAG/LLMOps

Система обработки документов при помощи ИИ

Навыки:

Опыт SRE DevOps от 3х лет (decker, helm, jenkins\gitlab CI, python)

Опыт ML/MLOps от 1 года (airflow, jupyterhub, coder, argowf, mlflow, seldon, cuda, kserv)

Опыт администрирования Kubernetes от 2х лет

Опыт работы Hadoop, Spark, Kafka, ELK

Личные качества:

  • Проактивность и инициативность в предложениях по рефакторингу
  • Полное погружение в инфраструктуруи команду
  • Командность, готовность помогать коллегам и пользователям
  • Умение собрать общую картину ожидаемого результата, вместо решения конкретно поставленной задачи

Условия

  • Оформление по ТК РФ или ИП в аккредитованную ИТ компанию
  • ДМС со стоматологией
  • Скидки на изучение иностранных языков от Skyeng
  • Скидки на фитнес от Xfit
  • Скидки на кино от КАРО
  • Техника для работы

Контакты:

Откликнуться

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • Python
  • Kubernetes
  • Helm
  • SRE
  • MLOps
  • DevOps
  • RAG
  • Docker
  • Airflow
  • Apache Spark
  • Hadoop
  • Jenkins
  • MLflow
  • Apache Kafka
  • CUDA
  • ELK stack
  • LLMOps
  • GitLab CI
  • KServe
  • Argo Workflows
  • JupyterHub
  • Seldon Core

Возможные вопросы на собеседовании

Важно понять, как кандидат обеспечивает стабильность специфических ML-нагрузок.

Как вы подходите к мониторингу и обеспечению доступности сервисов, использующих GPU (CUDA) в Kubernetes?

Проверка опыта работы с ключевым инструментом автоматизации ML-пайплайнов.

Опишите ваш опыт масштабирования и обеспечения отказоустойчивости Airflow в высоконагруженных средах.

Оценка навыков проектирования инфраструктуры для современных ИИ-решений.

Какие основные инфраструктурные вызовы вы видите при развертывании RAG-систем и LLMOps?

Проверка соответствия софт-скиллам, указанным в вакансии.

Приведите пример, когда вы предложили и реализовали рефакторинг инфраструктуры, который значительно улучшил показатели системы.

Проверка навыков работы с данными в банковском контексте.

Как вы организуете изоляцию и безопасность данных при работе с JupyterHub для большого количества аналитиков?

Похожие вакансии

более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!

Россияот 500 000 ₽